weixin_40378598的博客

matlab 一个简单的FIR低通滤波器设计例子先直接放代码跟结果%假设有一个3hz的信号，由于某种原因带有一些高频噪声，需要将其滤除掉close all;clear all;load lowpass_fir; %fs=20 fc=6的32阶低通滤波器汉明窗fs = 20; %采样率T0 = 10; %信号时长10sF0 = 1/T0; %频率分辨率N = fs*T0; %采样点数t = (0:N-1)/fs; %时间轴坐标f = (0:F0:fs/2-F0); %频率轴坐标

https://zhidao.baidu.com/question/1864102352450326827.html

序列的相关性如果有几个序列，表面上很难看出它们之间的关系，但是如果对它们进行统计分析，则会发现一定的规律性。序列的相关性表明了序列间的相关程度，跟卷积一样，相关性(Correlation)也是信号分析中不可或缺的手段。1.相关性的定义两个序列x(n)、y(n)的互相关函数定义如下：rxy(n)=∑m=−∞+∞x(m)∗y(m−n){r_{xy}}(n) = \sum\limits_{m = - \infty }^{ + \infty } {x(m)*y(m - n)}rxy​(n)=m=−∞∑

卷积卷积(Convolution)应该可以说成翻卷积分，其实本质上是一个积分变换的数学方法，在离散上对应着卷积和，由于卷积跟傅里叶变化等手段都有着密切的关系，因此极为重要。几乎是如果涉及到了信号系统，都离不开卷积。1.卷积的定义离散卷积和可以定义为：y(n)=∑m=0N−1x(m)∗h(n−m)y(n) = \sum\limits_{m = 0}^{N - 1} {x(m)*h(n - m)}y(n)=m=0∑N−1​x(m)∗h(n−m)忽略具体计算，将卷积和表示为，这里的（*）代表卷积，交

matlab - 信号平滑、移动平均滤波对信号进行平滑操作的重要性不言而喻1.信号提取matlab内置了一个这样的数据：某个地方一个月内的温度变化数据，1小时测量一次，所以总数据量是24*31。可以以这个数据为例子，探究一些数据平滑的方法。该数据如下：clear allclose allload bostempdays = (1:31*24)/24;plot(days, tempC)axis tightylabel('Temp (\circC)')xlabel('Time elaps